La miocardiopatía diabética es una enfermedadcardiaca caracterizada por alteraciones estructurales y funcionales del corazón, y aunque se presenta en personas con diabetes, ha sido difícil de definir debido a sus etapas iniciales asintomáticas. Esta condición aumenta significativamente el riesgo de insuficiencia cardiaca, lo que la convierte en un importante foco de estudio para los especialistas en salud cardiovascular. En este contexto, el uso del aprendizaje automático se ha planteado como una herramienta prometedora para mejorar la identificación de pacientes con mayor riesgo y así implementar intervenciones tempranas.
Ahora, un equipo de investigadores del UT Southwestern Medical Center en Dallas ha desarrollado un modelo de aprendizaje automático capaz de identificar a los pacientes con miocardiopatía diabética de alto riesgo. Los resultados de esta investigación fueron publicados en el prestigioso European Journal of Heart Failure y presentan un enfoque basado en datos para detectar un fenotipo de miocardiopatíadiabética, lo que facilita la identificación temprana de pacientes susceptibles a desarrollar insuficienciacardiaca.
El aprendizaje automático ha demostrado ser una herramienta eficaz para analizar grandes cantidades de datos médicos, permitiendo descubrir patrones y asociaciones
El aprendizajeautomático ha demostrado ser una herramienta eficaz para analizar grandes cantidades de datos médicos, permitiendo descubrir patrones y asociaciones que podrían pasar desapercibidos mediante métodos tradicionales. En este caso, los investigadores utilizaron esta tecnología para abordar el desafío de identificar a pacientes diabéticos que, sin tener antecedentes de enfermedadcardiovascular, ya presentan cambios sutiles en la estructura y función del corazón, indicadores potenciales de miocardiopatía diabética.
El equipo de investigación analizó datos de la cohorte "Atherosclerosis Risk in Communities", que incluyó a más de 1,000 participantes con diabetes pero sin antecedentes de enfermedadcardiovascular conocida. A través del análisis de 25parámetrosecocardiográficos y biomarcadores cardíacos, los científicos lograron identificar tres subgrupos de pacientes. Uno de estos subgrupos, que representaba el 27 % de la cohorte, fue clasificado como el fenotipo de alto riesgo. Los pacientes de este grupo mostraron niveles elevados de NT-proBNP, un biomarcador que indica estrés cardíaco, así como signos de remodelación cardiaca anormal, como el aumento de la masa ventricular izquierda y el deterioro de la función diastólica.
Lo más alarmante es que la incidencia de insuficienciacardiaca en este subgrupo fue del 12,1 % a lo largo de cinco años, una tasa considerablemente más alta que en los otros grupos. Estos hallazgos subrayan la necesidad de una identificación temprana y precisa de los pacientes con mayor riesgo de desarrollar complicacionescardiacas.
Para mejorar la precisión diagnóstica, los investigadores desarrollaron un clasificadorbasadoen redes neuronales profundas. Este modelo de aprendizaje automático se validó en cohortes adicionales y detectó que entre el 16 % y el 29 % de los pacientes diabéticos presentaban el fenotipo de alto riesgo. Estos pacientes mostraron consistentemente una mayor incidencia de insuficiencia cardiaca, lo que sugiere que el modelo es eficaz para identificar a aquellos que podrían beneficiarse de intervenciones tempranas.
El modelo ofrece una nueva herramienta para dirigir terapias preventivas intensivas, como los inhibidores de SGLT2, que se utilizan para controlar la diabetes tipo 2. Estos medicamentos han demostrado ser efectivos para reducir el riesgo de insuficienciacardiaca en pacientes diabéticos, y su uso en los individuos identificados mediante este nuevo enfoque podría mejorar significativamente los resultados clínicos.
"Esta investigación utiliza el aprendizaje automático para proporcionar una caracterización integral de la miocardiopatía diabética"
La implementación de este modelo de aprendizajeautomático tiene el potencial de transformar el enfoque en la prevención de la insuficiencia cardiaca en pacientes con diabetes. Al identificar un fenotipo específicode miocardiopatía diabética de alto riesgo, los profesionales de la salud pueden adaptar sus estrategias de tratamiento para enfocarse en los pacientes que tienen más probabilidades de beneficiarse de intervenciones intensivas. Esto podría mejorar la eficiencia de los ensayos clínicos y permitir una asignación más efectiva de los recursos médicos.
El Dr. Ambarish Pandey, autor principal del estudio y profesor asociado de Medicina Interna en la División de Cardiología de UT Southwestern, destacó la relevancia de estos hallazgos: “Esta investigación utiliza el aprendizajeautomático para proporcionar una caracterización integral de la miocardiopatíadiabética, una afección que carecía de una definición consensuada, e identifica un fenotipo de alto riesgo que podría orientar estrategias de prevención de la insuficiencia cardíaca más específicas en pacientes con diabetes”.
Pandey también señaló que este trabajo amplía investigaciones previas sobre la prevalencia y las implicaciones pronósticas de la miocardiopatíadiabética en adultos que viven en la comunidad, utilizando datos masivos y técnicas avanzadas para lograr un diagnóstico más preciso y oportuno.